孫安

關(guān)鍵詞：知識圖譜;數(shù)字資源;知識組織;語義化建設(shè)

摘 要：知識圖譜強(qiáng)大的語義數(shù)據(jù)表示能力與智能化的語義數(shù)據(jù)檢索能力深受數(shù)字資源組織青睞。文章闡述了知識圖譜的概念，介紹了數(shù)字資源建設(shè)發(fā)展概況，構(gòu)建了基于知識圖譜的數(shù)字資源開發(fā)與利用的技術(shù)體系，總結(jié)了知識圖譜在數(shù)字資源開發(fā)與利用中的特點(diǎn)，以期為相關(guān)研究提供參考。

中圖分類號：G250.7 文獻(xiàn)標(biāo)識碼：A 文章編號：1003-1588（2022）06-0121-05

自2012年5月Google公司提出“知識圖譜”概念后，知識圖譜強(qiáng)大的語義數(shù)據(jù)表示能力與智能化的語義數(shù)據(jù)檢索能力深受數(shù)字資源組織青睞。近年來，數(shù)字人文研究熱不斷升溫，圖書館作為文獻(xiàn)信息資源的集中地，逐漸在該領(lǐng)域顯現(xiàn)出“數(shù)字資源占有”這一獨(dú)特優(yōu)勢，涌現(xiàn)出大量圍繞數(shù)字人文數(shù)據(jù)基礎(chǔ)設(shè)施平臺建設(shè)的相關(guān)研究成果，主要討論如何將信息資源進(jìn)行數(shù)字化、數(shù)據(jù)化、語義化轉(zhuǎn)變，以滿足人文研究與數(shù)字計(jì)算等服務(wù)要求，這給圖書館的數(shù)字資源開發(fā)與利用工作帶來了機(jī)遇與挑戰(zhàn)[1]。

然而，學(xué)界給“知識圖譜”概念賦予了多種含義，不同領(lǐng)域研究的知識圖譜其概念所指與研究方法差異頗大。文章首先理清了知識圖譜在圖書情報(bào)領(lǐng)域中的概念內(nèi)涵，并指出筆者研究的知識圖譜屬于知識組織領(lǐng)域范疇;其次分析數(shù)字資源建設(shè)發(fā)展的三個(gè)階段，指出當(dāng)前本體、知識圖譜、自然語言處理等語義技術(shù)被廣泛應(yīng)用于數(shù)字資源的知識組織與語義描述中;再次討論了基于知識圖譜的數(shù)字資源開發(fā)與利用工作的關(guān)鍵步驟;最后對知識圖譜在圖書館學(xué)領(lǐng)域的應(yīng)用實(shí)踐特點(diǎn)進(jìn)行了總結(jié)，并展望了知識圖譜未來的發(fā)展趨勢及其研究任務(wù)。本研究可為當(dāng)前圖書館、檔案館、博物館的數(shù)字資源建設(shè)提供技術(shù)與理論指引。

1 知識圖譜概念闡述

知識圖譜在學(xué)界被賦予了多種含義且涉及不同研究領(lǐng)域，主要有兩類：第一類為科學(xué)學(xué)研究范疇中的科學(xué)知識圖譜，簡稱知識圖譜（Knowledge Mapping，KM）。該研究領(lǐng)域主要關(guān)注科學(xué)研究發(fā)展動(dòng)態(tài)及趨勢、科學(xué)熱點(diǎn)問題以及科研合作狀況。其概念可被定義為：用可視化的方式描述人類隨時(shí)間擁有的知識資源及其載體;繪制、挖掘、分析和顯示科學(xué)技術(shù)知識以及它們之間的相互聯(lián)系，在組織內(nèi)創(chuàng)造知識共享的環(huán)境以促進(jìn)科學(xué)技術(shù)研究的合作和深入[2]。研究方法主要有：引文分析、共現(xiàn)分析、統(tǒng)計(jì)分析、聚類分析等。圖譜類型不限，主要有：點(diǎn)狀圖、球狀圖、根狀圖、節(jié)點(diǎn)聯(lián)系圖、聚類圖、時(shí)間坐標(biāo)系、戰(zhàn)略坐標(biāo)系等一系列可視化圖譜[3]。

第二類為知識組織研究范疇中的知識圖譜（Knowledge Graph，KG），由Google公司阿密特·辛格（Amit Singhal）于2012年5月在公司官方微博上發(fā)表的“Introducing the Knowledge Graph： things，not strings”一文中正式提出，它以圖數(shù)據(jù)模型來組織互聯(lián)網(wǎng)中的海量數(shù)據(jù)，并通過概念（concept）、實(shí)體（entity）及其之間的相互關(guān)系（relation）描述客觀世界中的萬事萬物，實(shí)現(xiàn)了對客觀世界從簡單字符串描述向結(jié)構(gòu)化語義描述的轉(zhuǎn)變（things，not strings），因此也被稱為語義知識圖譜[4]。其研究方法主要有2類：基于本體建模+RDF三元組圖模型方法（來源于關(guān)聯(lián)數(shù)據(jù)技術(shù)）、基于圖數(shù)據(jù)建模+屬性圖模型方法（來源于圖數(shù)據(jù)庫技術(shù)）[5]。前者強(qiáng)調(diào)數(shù)據(jù)的概念語義描述和數(shù)據(jù)的URI表示，有利于知識圖譜的開放與互聯(lián);后者強(qiáng)調(diào)圖數(shù)據(jù)的數(shù)據(jù)模式構(gòu)建和原生圖的存儲(chǔ)，有利于圖數(shù)據(jù)的大規(guī)模運(yùn)算和圖數(shù)據(jù)的知識挖掘。

筆者研究的是第二類知識圖譜，也是當(dāng)前圖書館領(lǐng)域關(guān)于數(shù)字資源開發(fā)與利用研究中關(guān)注較多的一類。兩類知識圖譜的概念、技術(shù)、方法、研究領(lǐng)域等相關(guān)內(nèi)容如表1所示。

2 數(shù)字資源建設(shè)發(fā)展概況

隨著國民數(shù)字素養(yǎng)的不斷提高，其數(shù)字資源需求也在不斷提升，其數(shù)字資源建設(shè)已成為當(dāng)前信息資源建設(shè)的重點(diǎn)工作?；仡櫄v史，數(shù)字資源建設(shè)按照資源的加工深度可以劃分為三個(gè)發(fā)展階段：數(shù)字化發(fā)展初始階段、數(shù)字化向數(shù)據(jù)化發(fā)展階段以及數(shù)據(jù)化向語義化發(fā)展階段。

2.1 數(shù)字化發(fā)展初始階段

數(shù)字資源建設(shè)發(fā)展初期的重點(diǎn)工作是將傳統(tǒng)文獻(xiàn)信息資源進(jìn)行簡單的數(shù)字化加工，即加工成電子文獻(xiàn)。簡單數(shù)字化加工主要是利用掃描儀、數(shù)碼照相機(jī)、數(shù)碼攝像機(jī)等光學(xué)儀器設(shè)備將紙質(zhì)文獻(xiàn)資源、實(shí)物文獻(xiàn)資源加工成圖像、視頻等數(shù)字資源，任務(wù)是實(shí)現(xiàn)信息資源載體的數(shù)字化。目前，國內(nèi)各大圖書館、檔案館、博物館還保留了大量掃描件。該類數(shù)字資源輔以簡單的元數(shù)據(jù)描述，同時(shí)采用結(jié)構(gòu)化關(guān)系數(shù)據(jù)庫進(jìn)行存儲(chǔ)，可以為讀者提供查詢、檢索、下載等信息服務(wù)。由于缺乏數(shù)字資源的內(nèi)容信息，數(shù)字資源蘊(yùn)含的知識處于封閉狀態(tài)，還需后期人工閱讀與理解，不利于數(shù)字資源的有效傳播與利用。

2.2 數(shù)字化向數(shù)據(jù)化發(fā)展階段

該階段主要是對數(shù)字資源進(jìn)行數(shù)據(jù)化、文本化建設(shè)和研究。研究內(nèi)容是將簡單掃描、拍照獲得的數(shù)字化資源進(jìn)行文本識別，實(shí)現(xiàn)數(shù)字資源的數(shù)據(jù)化方向發(fā)展，或是在數(shù)字資源加工源頭采集人工編輯錄入的可編輯電子文件。此時(shí)，數(shù)字資源能夠提供大量文獻(xiàn)資源的內(nèi)容數(shù)據(jù)。利用文本分析工具對數(shù)據(jù)化的文獻(xiàn)資源進(jìn)行文本分析和內(nèi)容分析后，數(shù)字資源就可以支持更豐富的內(nèi)容查詢與檢索，如：對文本內(nèi)容進(jìn)行詞性標(biāo)注、關(guān)鍵詞自動(dòng)生成、文本摘要提取、情感分析等。數(shù)字資源的數(shù)據(jù)化建設(shè)也為下一階段數(shù)字資源的語義化建設(shè)提供了數(shù)據(jù)基礎(chǔ)。

2.3 數(shù)據(jù)化向語義化發(fā)展階段

該階段主要是利用本體、知識圖譜、自然語言處理等語義技術(shù)對數(shù)據(jù)化的數(shù)字資源進(jìn)行語義化建設(shè)。這里的“語義”并非指對人，而是指對機(jī)器，語義化工作的目的是增強(qiáng)數(shù)字資源的機(jī)器可理解程度，讓計(jì)算機(jī)更好地“讀懂”數(shù)字資源。目前，知識圖譜語義技術(shù)被廣泛應(yīng)用于數(shù)字資源的知識組織與知識的語義描述中。該技術(shù)先運(yùn)用本體的知識建模技術(shù)將數(shù)字資源中蘊(yùn)含的知識進(jìn)行知識建模，獲得數(shù)字資源中內(nèi)容知識的概念模型，再從數(shù)字資源中抽取知識實(shí)例并按照概念模型進(jìn)行組織。機(jī)器在讀取數(shù)據(jù)時(shí)，可以通過知識本體明白所讀取數(shù)據(jù)的概念類別、關(guān)系名稱，從而增強(qiáng)數(shù)據(jù)的語義表示。數(shù)字資源的語義化建設(shè)對資源的語義檢索、智慧服務(wù)提供了強(qiáng)有力的基礎(chǔ)語義數(shù)據(jù)支撐，是當(dāng)前數(shù)字資源建設(shè)研究的前沿與重點(diǎn)開發(fā)工作。

3 基于知識圖譜的數(shù)字資源開發(fā)與利用技術(shù)體系

目前，語義化建設(shè)是數(shù)字資源建設(shè)的重點(diǎn)工作，富含語義表示的知識圖譜KG技術(shù)被廣泛應(yīng)用其中，從知識的獲取到知識的應(yīng)用——知識圖譜在數(shù)字資源開發(fā)與利用實(shí)踐活動(dòng)過程中已經(jīng)初步形成其理論框架與技術(shù)體系，詳見圖1。

3.1 知識建模

知識建模即構(gòu)建知識圖譜的本體（ontology）或模式（schema），也即設(shè)計(jì)知識圖譜的數(shù)據(jù)骨架?；陉P(guān)聯(lián)數(shù)據(jù)技術(shù)構(gòu)造的知識圖譜采用RDF三元組圖數(shù)據(jù)模型，知識建模采用本體的構(gòu)建思想;基于圖數(shù)據(jù)庫技術(shù)構(gòu)造的知識圖譜大多采用屬性圖模型，此時(shí)知識建模任務(wù)是構(gòu)造圖數(shù)據(jù)庫的數(shù)據(jù)模式。不論是本體構(gòu)建還是模式構(gòu)建，其工作內(nèi)涵都是定義知識圖譜中有關(guān)知識的概念、類別、屬性、關(guān)系，形成知識的語義關(guān)系模型，指導(dǎo)知識圖譜中的實(shí)例對象進(jìn)行語義組織。以Freebase通用知識圖譜為例，其定義了2，000多個(gè)概念類型、4萬個(gè)屬性，并為每個(gè)類型定義了若干關(guān)系，以及關(guān)系的定義域和值域[6]。常見的知識建模方法有：骨架法[7]、TOVE法[8]、IDEF5法[9]、七步法[10]、Methontology方法等[11]，總體可以概括為：確定領(lǐng)域及任務(wù)、羅列概念元素、確定分類關(guān)系、定義屬性及關(guān)系、定義關(guān)系約束，過程中還應(yīng)考慮對已有本體元素的復(fù)用，如可以通過“上海圖書館本體服務(wù)中心”下載復(fù)用已有的合適本體[12]。

3.2 知識獲取

知識獲取是指由“人工編輯知識”或“機(jī)器自動(dòng)從海量文本數(shù)據(jù)中獲取知識”。人工編輯知識主要依賴專家經(jīng)驗(yàn)，知識產(chǎn)生過程耗時(shí)費(fèi)力，不利于大規(guī)模知識圖譜的構(gòu)建。因此，如何利用機(jī)器自動(dòng)地從不同數(shù)據(jù)源中獲取知識是人們關(guān)注的焦點(diǎn)。數(shù)據(jù)源按照結(jié)構(gòu)化程度可以劃分為結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)源。

3.2.1 結(jié)構(gòu)化數(shù)據(jù)主要來源于各個(gè)企業(yè)以及互聯(lián)網(wǎng)公司的關(guān)系型數(shù)據(jù)庫。其數(shù)據(jù)質(zhì)量較高，可采用“直接映射（Direct Mapping）”法，如采用RDB2RDF方法將關(guān)系型數(shù)據(jù)庫轉(zhuǎn)換為RDF數(shù)據(jù)集，生成的RDF數(shù)據(jù)集的語義標(biāo)簽均來自原關(guān)系型數(shù)據(jù)庫中表的名稱及表的列屬性。

3.2.2 半結(jié)構(gòu)化數(shù)據(jù)是一類特殊的結(jié)構(gòu)化數(shù)據(jù)。它擁有說明數(shù)據(jù)的語義標(biāo)簽，但其數(shù)據(jù)模式和數(shù)據(jù)組織相對結(jié)構(gòu)化數(shù)據(jù)較為松散，具有結(jié)構(gòu)多變、模式不統(tǒng)一等特點(diǎn)，知識抽取時(shí)較結(jié)構(gòu)化數(shù)據(jù)復(fù)雜，一般采用包裝器法（Wrapper）進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)注、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)評估。自萬維網(wǎng)出現(xiàn)以來，半結(jié)構(gòu)化數(shù)據(jù)越來越豐富，蘊(yùn)含了海量的人類知識，逐漸成為大型知識圖譜獲取知識的主要來源。

3.2.3 非結(jié)構(gòu)化數(shù)據(jù)（純文本）的知識獲取也叫文本信息抽取（Information Extraction，IE）。它是指從自然語言文本中抽取事實(shí)知識，這些事實(shí)知識可以是一組預(yù)先指定的實(shí)體、關(guān)系或事件信息，然后將這些信息用結(jié)構(gòu)化的方式進(jìn)行存放，便于機(jī)器利用。隨著自然語言處理（NLP）技術(shù)的不斷發(fā)展，非結(jié)構(gòu)化文本中的語義知識顯得愈發(fā)重要，知識圖譜構(gòu)建技術(shù)也越來越關(guān)注如何從純文本數(shù)據(jù)中抽取知識。

3.3 知識表示與存儲(chǔ)

知識圖譜中的知識表示是指用什么語言和方法對知識進(jìn)行建模與描述，從而方便知識的存儲(chǔ)與計(jì)算。知識圖譜采用什么樣的圖數(shù)據(jù)模型決定了知識表示的方法與特質(zhì)。當(dāng)前，知識圖譜主要存在兩種圖數(shù)據(jù)模型：一種是來自語義網(wǎng)技術(shù)背景下的RDF三元組圖模型，另一種是來自圖數(shù)據(jù)庫技術(shù)背景下的屬性圖模型。其中，萬維網(wǎng)聯(lián)盟W3C為語義網(wǎng)下的知識圖譜提供了RDFS/OWL本體描述語言，方便本體與本體實(shí)例數(shù)據(jù)的組織與描述，同時(shí)采用RDF三元組存儲(chǔ)（triple store）的方式進(jìn)行存儲(chǔ)，常見的支持三元組存儲(chǔ)的數(shù)據(jù)庫管理系統(tǒng)有RDF4J、Virtuoso、GraphDB等。屬性圖模型由各個(gè)圖數(shù)據(jù)庫產(chǎn)品提供各自的知識建模語言，尚未形成行業(yè)標(biāo)準(zhǔn)，如Neo4J的Cypher語言、HugeGraph的Gremlin語言等，其存儲(chǔ)采用原生圖——“無索引鄰接邊”的方式進(jìn)行存儲(chǔ)，具備高效的圖計(jì)算性能。這里需要指出，來自語義網(wǎng)技術(shù)背景下的RDF三元組圖模型采用的是關(guān)聯(lián)數(shù)據(jù)技術(shù)發(fā)布數(shù)據(jù)，其核心是使用URI表示資源內(nèi)容，這使得知識圖譜具有開放互聯(lián)功能，為知識圖譜的開發(fā)與利用提供了一個(gè)開放包容的互聯(lián)網(wǎng)環(huán)境。

3.4 知識融合

知識融合是指對不同來源、不同語言或不同結(jié)構(gòu)的知識進(jìn)行融合，從而對已有知識圖譜進(jìn)行知識的補(bǔ)充、更新、對齊和去重。目前，關(guān)聯(lián)數(shù)據(jù)開放項(xiàng)目（linked Open Data）會(huì)定期發(fā)布較為成熟的語義知識圖譜，如通用領(lǐng)域的Dbpedia、行業(yè)領(lǐng)域的DrugBank、上海市圖書館的名人規(guī)范庫等。從融合的對象看，知識融合包括本體層的融合與實(shí)例層的融合。其中，本體層融合指借助本體映射方對多個(gè)異構(gòu)的本體模型進(jìn)行對齊操作，包括概念、屬性、關(guān)系的對齊。實(shí)例層融合主要指對概念實(shí)例、關(guān)系實(shí)例的融合，涉及實(shí)例的補(bǔ)充、更新和去重等工作。

3.5 知識推理

知識推理是指基于已有的事實(shí)或知識推理出未知的事實(shí)或知識的過程。目前，利用知識推理完成知識圖譜的補(bǔ)全任務(wù)（Knowledge Base Completion，KBC）是關(guān)于知識圖譜的一個(gè)研究熱點(diǎn)。知識圖譜中的知識不一定完整，通過對已有的知識進(jìn)行推理獲取新的知識，可以實(shí)現(xiàn)知識圖譜的補(bǔ)全動(dòng)作，尤其是補(bǔ)全一些實(shí)體之間的關(guān)系，幫助完善知識圖譜的構(gòu)建工作。此外，知識推理還可以用于知識圖譜的質(zhì)量檢測任務(wù)，用于發(fā)現(xiàn)一些存在沖突的知識結(jié)論。

3.6 知識應(yīng)用

近年來，隨著人工智能的研究熱度不斷升溫，知識圖譜作為機(jī)器大腦中的知識庫在各行各業(yè)中得到了越來越多的關(guān)注。例如，語義搜索、自動(dòng)問答、推薦系統(tǒng)、決策支持、知識可視化中都能看到知識圖譜的身影。在語義搜索中，知識圖譜采用本體方法進(jìn)行知識的組織與描述，為數(shù)據(jù)附上其所屬的概念或關(guān)系語義。在自動(dòng)問答中，知識圖譜利用實(shí)體與實(shí)體之間的關(guān)系進(jìn)行鏈接和推理，進(jìn)而獲得人們所需要的答案。在推薦系統(tǒng)中，系統(tǒng)通過知識圖譜中顧客與購買商品的實(shí)體關(guān)系構(gòu)建用戶畫像，以便獲得更精準(zhǔn)的推薦依據(jù)。在決策支持中，系統(tǒng)可以從知識圖譜里挖掘出概率較高的關(guān)系實(shí)例作為決策依據(jù)供人采納。知識可視化是將人物之間的人際關(guān)系進(jìn)行可視化展示，如親屬圈、朋友圈、學(xué)術(shù)圈等。

4 應(yīng)用實(shí)踐

近年來涌現(xiàn)出不少關(guān)于知識圖譜在數(shù)字資源建設(shè)中的應(yīng)用研究成果。楊海慈（2019）將中國歷代人物傳記資料庫CDBD作為數(shù)據(jù)源，構(gòu)建了宋代學(xué)術(shù)師承關(guān)系知識圖譜并將其進(jìn)行可視化展示，該知識圖譜的本體建模共設(shè)計(jì)了5個(gè)類，39個(gè)關(guān)系，囊括了48，018位人物和6，599條信息，并采用關(guān)聯(lián)技術(shù)對外發(fā)布[13]。周莉娜（2019）設(shè)計(jì)了“詩歌—詩人”二元本體和面向史學(xué)的時(shí)空經(jīng)歷本體，采用網(wǎng)絡(luò)爬蟲技術(shù)從百科類網(wǎng)站、中文詩歌類網(wǎng)站、人名地名辭典、時(shí)空坐標(biāo)等網(wǎng)站爬取數(shù)據(jù)，并按照設(shè)計(jì)好的知識本體進(jìn)行知識抽取，最后采用RDF三元組構(gòu)建知識圖譜[14]。張娜（2019）在文物知識圖譜構(gòu)建關(guān)鍵技術(shù)研究中，對大量文物文本數(shù)據(jù)進(jìn)行一定數(shù)量的實(shí)體關(guān)系人工標(biāo)注，采用半監(jiān)督學(xué)習(xí)方法訓(xùn)練獲得可自動(dòng)抽取文本實(shí)體關(guān)系的分類器，共定義了10種關(guān)系模式，如（博物館、收藏、書法）等，抽取后采用RDF三元組進(jìn)行組織并進(jìn)行可視化研究[15]。劉芳（2020）以博物館藏品為研究對象，構(gòu)建了博物館藏品知識圖譜的本體模型，采用映射方法和D2R工具從第三方數(shù)據(jù)庫系統(tǒng)中抽取博物館藏品知識數(shù)據(jù)，并進(jìn)行了知識融合和可視化展示[16]。孫鳴蕾（2020）收集作家名人檔案數(shù)據(jù)資料，構(gòu)建作家名人檔案知識圖譜本體，并對名人檔案數(shù)據(jù)資料進(jìn)行知識圖譜組織與可視化研究[17]。李永卉（2021）以《中國歷史地圖集》、《嘉定鎮(zhèn)江志》、《至順鎮(zhèn)江志》、北京大學(xué)出版社《全宋詩》、中華書局《全宋詞》等近十種與宋代鎮(zhèn)江詩詞有關(guān)的歷史文獻(xiàn)作為數(shù)據(jù)源，構(gòu)建了宋代鎮(zhèn)江詩詞知識圖譜本體模型，并進(jìn)行文本知識抽取，然后采用RDF三元組進(jìn)行描述與圖數(shù)據(jù)庫存儲(chǔ)，最后進(jìn)行了知識圖譜查詢和知識推理研究[18]。梁科（2021）針對古籍《山經(jīng)》中的專名進(jìn)行知識圖譜構(gòu)建，共設(shè)計(jì)山類、水類、草類、鳥類、魚類等15個(gè)類，采用正則表達(dá)式的匹配方法抽取《山經(jīng)》文本中的實(shí)體和實(shí)體關(guān)系，并采用Neo4j圖數(shù)據(jù)庫進(jìn)行存儲(chǔ)和可視化研究[19]。歐陽劍（2021）從國內(nèi)外古籍書目網(wǎng)絡(luò)數(shù)據(jù)庫、CBDB、在線百科等網(wǎng)頁中抽取古代典籍書目數(shù)據(jù)，并按照自行設(shè)計(jì)的典籍知識圖譜概念本體進(jìn)行組織，所構(gòu)建的典籍知識圖譜包含649，549種古籍實(shí)體、221，783位典籍責(zé)任者、1，498，383個(gè)古籍版本、13，960個(gè)地名[20]。

5 結(jié)語

采用知識圖譜的數(shù)字資源開發(fā)與利用研究工作主要集中在知識抽取、知識建模、知識的RDF三元組表示與存儲(chǔ)、知識的可視化方面。其中，知識建模廣泛采用RDF三元組圖模型的本體建模方法，主要設(shè)計(jì)知識圖譜中的實(shí)體概念類別及其關(guān)系類型，而采用屬性圖模型的研究相對較少。知識抽取研究中，大部分是基于結(jié)構(gòu)化或半結(jié)構(gòu)化的數(shù)據(jù)源，如：中國歷代人物傳記資料庫CDBD、網(wǎng)絡(luò)百科、專業(yè)領(lǐng)域數(shù)據(jù)庫等，這類研究構(gòu)造的知識圖譜質(zhì)量相對較高，多數(shù)研究獲取的實(shí)體與實(shí)體關(guān)系數(shù)量已初具規(guī)模。而非結(jié)構(gòu)化文本數(shù)據(jù)的知識抽取研究受自然語言處理技術(shù)發(fā)展限制，尚處于研究初級階段，未來也將被廣泛關(guān)注。知識應(yīng)用方面，可視化研究較為普遍，而知識推理研究較少或不夠深入，部分研究僅有若干條推理規(guī)則。在知識圖譜的數(shù)據(jù)類型方面，研究者主要圍繞文本知識圖譜進(jìn)行構(gòu)建，圖像、視頻等多模態(tài)知識圖譜研究相對較少，未來還有發(fā)展空間?？傊?，知識圖譜能為學(xué)科研究提供切實(shí)、有價(jià)值的參考，其研究將持續(xù)受到關(guān)注。

參考文獻(xiàn)：

[1] 夏翠娟.面向人文研究的“數(shù)據(jù)基礎(chǔ)設(shè)施”建設(shè)：試論圖書館學(xué)對數(shù)字人文的方法論貢獻(xiàn)[J].中國圖書館學(xué)報(bào)，2020（3）：24-37.

[2] 陳悅，劉則淵.悄然興起的科學(xué)知識圖譜[J].科學(xué)學(xué)研究，2005（2）：149-154.

[3] 秦長江，侯漢清.知識圖譜：信息管理與知識管理的新領(lǐng)域[J].大學(xué)圖書館學(xué)報(bào)，2009（1）：30-37，96.

[4] AMIT S. Introducing the Knowledge Graph： Things，Not Strings[EB/OL].[2021-05-12].https：//www.blog.google/products/search/introducing-knowledge-graph- things-not/.

[5] 陳濤，劉煒，單蓉蓉，等.知識圖譜在數(shù)字人文中的應(yīng)用研究[J].中國圖書館學(xué)報(bào)，2019（6）：34-49.

[6] 趙軍，劉康，何世柱，等.知識圖譜[M].北京：高等教育出版社，2018：72-73.

[7]Uschold M，Gruninger M. Ontologies： Principles，methods and applications[J].The Knowledge Engineering Review，1996（2）：93-136.

[8] THAM K D， FOX M S， Gruninger M. Cost ontology for enterprise modelling[C]//Workshop on Enabling Technologies：Infrastructure for Collaborative Enterprises. IEEE，1994：111-117.

[9]SARDER M B. IDEF5 Ontology Description Capture Method [EB/OL].[2021-10-23].https：//www. pomsmeetings.org/confpapers/004/004-0127.pdf.

[10] NOY N F， MCGUINES D L. A Guide to Creating YourFirst Ontology[EB/OL].[2021-10-20].https：//www.docin.com/p-1005678470.html.

[11] JURISTO N. METHONTOLOGY： From Ontological Art Towards Ontological Engineering[J]. Ontological Engineering，1997（6）：33-40.

[12] 上海市圖書館.本體服務(wù)中心[EB/OL].[2021-10-20].http：//www.usources.cn/ont.

[13] 楊海慈，王軍.宋代學(xué)術(shù)師承知識圖譜的構(gòu)建與可視化[J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2019（6）：109-116.

[14] 周莉娜，洪亮，高子陽.唐詩知識圖譜的構(gòu)建及其智能知識服務(wù)設(shè)計(jì)[J].圖書情報(bào)工作，2019（2）：24-33.

[15] 張娜.文物知識圖譜構(gòu)建關(guān)鍵技術(shù)研究與應(yīng)用[D].杭州：浙江大學(xué)，2019.

[16] 劉芳，謝靖.以藏品為核心的知識圖譜設(shè)計(jì)與應(yīng)用[J].數(shù)字圖書館論壇，2020（6）：8-14.

[17] 孫鳴蕾，房小可，陳忻.數(shù)字人文視角下名人檔案知識圖譜構(gòu)建研究：以作家檔案為例[J].山西檔案，2020（6）：79-88.

[18] 李永卉，周樹斌，周宇婷，等.基于圖數(shù)據(jù)庫Neo4j的宋代鎮(zhèn)江詩詞知識圖譜構(gòu)建研究[J].大學(xué)圖書館學(xué)報(bào)，2021（2）：52-61.

[19] 梁科.《山經(jīng)》專名的知識圖譜構(gòu)建及價(jià)值分析[D].北京：中國社會(huì)科學(xué)院研究生院，2021.

[20] 歐陽劍，梁珠芳，任樹懷.大規(guī)模中國歷代存世典籍知識圖譜構(gòu)建研究[J].圖書情報(bào)工作，2021（5）：126-135.

（編校：周雪芹）